建立新的 OLAP 採礦結構
您可以使用 Microsoft SQL Server Analysis Services 中的資料採礦精靈，建立使用多維度模型資料的採礦結構。 以 OLAP Cube 為基礎的採礦模型可以使用事實資料表、維度和量值群組中的資料行和值做為分析屬性。
若要建立新的 OLAP 採礦結構
在 SQL Server Data Tools (SSDT) 的 [方案總管] 中，以滑鼠右鍵按一下 Analysis Services 專案中的 [採礦結構] 資料夾，然後按一下 [新增採礦結構] 開啟資料採礦精靈。
在 [歡迎使用資料採礦精靈] 頁面上，按 [下一步]。
在 [選取定義方法] 頁面上，選取 [從現有的 Cube]，然後按 [下一步]。
如果出現錯誤訊息：「無法擷取支援的資料採礦演算法的清單」，請開啟 [專案屬性] 對話方塊，確認您已經指定支援多維度模型的 Analysis Services 執行個體名稱。 不能在支援表格式模型的 Analysis Services 執行個體上建立採礦模型。
在 [建立資料採礦結構] 頁面上，決定只要建立採礦結構，還是建立採礦結構再加上一個相關的採礦模型。 通常，同時建立採礦模型比較容易，因為這樣系統會提示您包含必要的資料行。
如果您要建立採礦模型，請選取您想要使用的資料採礦演算法，然後按 [下一步]。 如需有關如何選擇演算法的詳細資訊，請參閱＜資料採礦演算法 (Analysis Services - 資料採礦)＞。
在 [選取來源 Cube 維度] 頁面的 [選取來源 Cube 維度] 之下，找出包含多數案例資料的維度。
例如，如果您嘗試識別客戶群組，可以選擇 [Customer] 維度，如果嘗試分析跨多筆交易的購買行為，可以選擇 [Internet Sales Order Details] 維度。 不限制您只能使用此維度中的資料，但該維度應該包含要在分析中使用的重要屬性。
按 [下一步]。
在 [選取案例索引鍵] 頁面的 [屬性] 之下，選取將成為採礦結構之索引鍵的屬性，然後按 [下一步]。
通常，做為採礦結構之索引鍵的屬性也是維度的索引鍵，並且會預先選取。
在 [選取案例層級資料行] 頁面的 [相關的屬性和量值] 之下，選取其值要加入至採礦結構中做為案例資料的屬性和量值。 按 [下一步]。
在 [指定採礦模型資料行使用方式] 頁面的 [採礦模型結構] 之下，先設定可預測資料行，然後選擇要做為輸入的資料行。
選取最左邊資料行的核取方塊，將資料包含在採礦結構中。 您可以在結構中包含僅供參考但不用於分析的資料行。
選取 [輸入] 資料行的核取方塊，將屬性做為分析中的變數。
選取 [預測] 資料行的核取方塊，只做為可預測屬性。
請注意，已指定為索引鍵的資料行不能用於輸入或預測。
按 [下一步]。
在 [指定採礦模型資料行使用方式] 頁面上，您也可以使用 [加入巢狀資料表] 和 [移除巢狀資料表]，對採礦結構新增及移除巢狀資料表。
在 OLAP 採礦模型中，巢狀資料表是 Cube 中與表示案例屬性的維度具有一對多關聯性的另一組資料。 因此，在對話方塊開啟時，它會預先選取已經與您選定為案例資料表的維度相關的量值群組。 此時，您可以選擇包含可用於分析之附加資訊的其他維度。
例如，如果您要分析客戶，可以使用 [Customer] 維度做為案例資料表。 對於巢狀表格，您可以新增客戶在購買時陳述的原因，該原因包含在 [Sales Reason] 維度中。
如果您新增巢狀資料，則必須多指定兩個資料行：
巢狀資料表的索引鍵：這應該在 [選取巢狀資料表索引鍵] 頁面上預先選取。
用於分析的屬性：[選取巢狀資料表資料行] 頁面提供巢狀資料表選取範圍的量值和屬性清單。
對於要包含在模型中的每個屬性，請選取左側資料行的核取方塊。
如果您要屬性只做為分析之用，請核取 [輸入]。
如果您想要將資料行包含在模型中做為其中一個可預測屬性，請選取 [預測]。
包含在結構中、但未指定為輸入或可預測屬性的任何項目，在新增至結構中時會標示 Ignore；這表示在建立模型時會處理此資料，但資料不用於分析，只供鑽研使用。 如果您想要包含詳細資料 (例如客戶名稱)，但不想在分析中使用這些資訊時，此功能可能很方便。
按一下 [完成] 關閉處理巢狀資料表的精靈部分。 您可以重複此程序，新增多個巢狀資料行。
在 [指定資料行的內容和資料類型] 頁面的 [採礦模型結構] 之下，設定每一個資料行的內容類型和資料類型。
[!附註]
OLAP 採礦模型不支援使用 [偵測] 功能，來自動偵測資料行是否包含連續資料或分隔資料。
按 [下一步]。
在 [配量來源 Cube] 頁面上，您可以篩選用來建立採礦結構的資料。
配量 Cube 可讓您限制用來建立模型的資料。 例如，您可以透過對 [Geography] 階層和下列項目進行配量，為每個地區建立不同的模型。
維度：從下拉式清單中選擇相關維度。
階層：選取要套用篩選的維度階層層級。 例如，如果您依 [Geography] 維度進行配量，則可以選擇階層層級，例如 [Region Country Name]。
運算子：從清單選取運算子。
篩選運算式：輸入要做為篩選條件的值或運算式，或者使用下拉式清單，從指定之階層層級的成員清單中選取一個值
例如，如果您選取 [Geography] 做為維度並選取 [Region Country Name] 做為階層層級，則下拉式清單會包含可做為篩選條件的所有有效國家/地區。 您可以複選。 因此，採礦結構中的資料會限制為來自這些地域的 Cube 資料。
參數：忽略此核取方塊。 此對話方塊支援多個 Cube 篩選案例，而此選項與建立採礦結構無關。
按 [下一步]。
在 [將資料分割成定型集和測試集] 頁面上，指定要保留供測試的採礦結構資料百分比，或指定測試案例的最大數目。 按 [下一步]。
如果您指定了這兩個值，就會結合這些限制，以便使用最低的值。
在 [正在完成精靈] 頁面上，為新的 OLAP 採礦結構和初始採礦模型提供名稱。
按一下 [完成]。
在 [正在完成精靈] 頁面上，您也可以選擇建立採礦模型維度和/或使用採礦模型維度的 Cube。 只有使用下列演算法建立的模型才支援這些選項：
Microsoft 叢集演算法
Microsoft 決策樹演算法
Microsoft 關聯規則演算法
建立採礦模型維度：選取此核取方塊，並提供採礦模型維度的類型名稱。 當您使用此選項時，會在用於建立採礦結構的原始 Cube 內建立新維度。 您可以使用此維度向下鑽研和執行進一步的分析。 因為該維度位於 Cube 內，所以該維度會自動對應至案例資料維度。
使用採礦模型維度建立 Cube：選取此核取方塊，並提供新 Cube 的名稱。 當您使用此選項時，所建立的新 Cube 同時會包含建立結構所使用的現有維度，以及包含模型結果的新資料採礦維度。